文字识别SDK简介 文字识别SDK概述 文字识别（Optical Character Recognition，简称OCR）将图片或扫描件中的文字识别成可编辑的文本。可代替人工录入，提升业务效率。支持身份证、驾驶证、行驶证、发票、通用表格、通用文字等场景文字识别。 文字识别以开放API（Application

查看更多 →

水印模板支持文字水印吗？ 水印模板当前仅支持图片水印，暂不支持文字水印。 父主题： 视频水印

查看更多 →

使用限制 支持转封装的输入格式有：MP3、MP4、FLV、TS。 支持转封装的输出格式有：HLS、MP4。 操作步骤 登录媒体处理控制台。 在左侧导航树中，选择“媒体处理 > 转封装”，进入“转封装”页面。 单击“创建任务”，进入“创建转封装任务”页面。 图2 转封装任务 配置转封装任务参数，如表1所示。

查看更多 →

文字识别的监控指标 功能说明 本节定义了文字识别服务上报 云监控服务 的监控指标的命名空间，监控指标列表和维度定义，用户可以通过云监控服务提供管理控制台或API接口来检索文字识别服务产生的监控指标和告警信息。 命名空间 SYS.OCR 监控指标详情 表1 OCR支持的监控指标 指标ID

查看更多 →

开通文字识别服务 OCR服务提供的开通方式有以下两种，用户可以任选其一进行开通服务。 按需计费开通服务 进入文字识别官网主页，单击“立即使用”，进入文字识别控制台。 在“总览”页面，选择需要使用的服务，执行开通操作，默认的计费方式采用按需计费。 图1 服务开通 服务开通成功后，开通状态将显示为“已开通”。

查看更多 →

图解文字识别

查看更多 →

使用API转码MP3失败，提示原视频宽高错误 可能是由于使用的转码模板中设置了水印，删除水印后重新转码即可。删除水印方法请参见删除水印模板接口。 父主题： API和SDK使用

查看更多 →

项仅支持16000赫兹的采样率。 标准女声_客服_普通 audio_format string 必填 音频格式，支持wav、mp3、pcm三种格式。 mp3 sample_rate string 必填 合成语音的采样率，支持16000赫兹和8000赫兹。 16000 speed string

查看更多 →

ng，jpeg格式的图片文件，文件大小不得超过2M，分辨率不超过720P。 文字转语音：配置一段用于转语音的文字，最大长度不可超过1024字节。 其中使用场景为语音通知的文字转语音需要说明以下几点： 文字内容最大长度不可超过500字节，支持输入变量，变量值后续可以由“语音通知接口（V2

查看更多 →

要，于2023/04/18 16:30:30执行按需转套餐包操作。用户支付订单后，按需转套餐包的文字识别服务立即生效。在“费用中心 > 账单管理”页面将生成如下三条账单信息（明细）： 按需：2023/04/18 15:00:00 ~ 2023/04/18 16:00:00，在15:29:16

查看更多 →

识别服务，实现多种版式图像的文字信息结构化提取。 文字识别套件提供预置工作流供您选择，全流程可视化完成AI应用开发以及持续迭代。 选择预置工作流 单模板工作流 通过工作流指引构建文字识别模板，识别单个板式图片中的文字，快速实现文档、票证等场景的文字识别。详情请见使用单模板工作流开发应用。

查看更多 →

提取图片中的文字暗水印 功能介绍 对已嵌入文字暗水印的图片进行水印提取，用户以formData的格式传入待提取水印的图片，DSC服务以JSON的格式返回从图片里提取的出的文字暗水印。目前支持的图片格式为：*.jpg, *.jpeg, *.jpe, *.png, *.bmp, *.dib

查看更多 →

避免不同租户间数据的重名，租户在首次创建应用时需要先定义一个命名空间。一个租户只能创建一个命名空间，创建后不支持修改。 必须以英文字母开头，只能由英文字母、数字或单下划线组成，且不能以下划线结尾。 访问密钥ID 与私有访问密钥关联的唯一标识符，访问密钥ID和私有访问密钥一起使用，

查看更多 →

是否支持aac格式的语音文件转文字 一句话识别 和录音文件识别以及 实时语音识别 均可实现语音转文字，一句话识别支持aac格式，录音文件识别和实时 语音识别 不支持aac格式。 父主题： 产品咨询类

查看更多 →

FunctionGraph函数支持哪些中文字体？ FunctionGraph函数支持以下四种中文字体： NotoSansTC-Regular.otf NotoSerifTC-Regular.otf NotoSansSC-Regular.otf NotoSerifSC-Regular.otf 以上中文字体，用户可直接引用。

查看更多 →

种清晰度，具体对应分辨率和码率如表3所示。 图1 系统模板 转封装模板（original_template_group） 支持将FLV和HLS格式转换为MP4格式，将MP3、MP4和FLV格式转换成HLS格式。 图2 转封装模板 视频自适应转码模板（adaptive_template_group）

查看更多 →

udio_format参数设置的语音格式为准。若audio_format的值设置为wav，则解码后输出为wav格式，如果设置为mp3，则解码后输出mp3格式。 父主题： 产品咨询类

查看更多 →

会保留。 ivr轨迹记录保持、咨询、转验证、转菜单记录、callUrl节点返回结果。 录音文字 账户开通了录音转文字服务后，详情页面显示录音转文字页签，单击该页签，页面显示录音转文本内容。 单击录音转文本的文字可以听取录音；双击文字可编辑文字，完成编辑后自动保存。 录音转文本记录

查看更多 →

支持的视频格式：MP4，TS，MOV，MXF，MPG，FLV，WMV，AVI，M4V，F4V，MPEG，3GP，ASF，MKV。 支持的音频格式：MP3，OGG，WAV，WMA，APE，FLAC，AAC，AC3，MMF，AMR，M4A，M4R，WV，MP2。 支持的视频编码格式：H.263、H

查看更多 →

功能描述 阶段 相关文档 1 文字水印功能 支持通过调用API方式为视频添加文字水印。 商用 新建转码任务 2019年7月 序号 功能名称 功能描述 阶段 相关文档 1 转封装功能 支持将MP4、FLV、TS格式的视频文件转封装成HLS或MP4格式。 商用 创建转封装任务 2019年6月

查看更多 →

分身数字人视频制作限制说明，如表1所示。 表1 视频制作限制 视频制作配置 限制 多场景配置 每个单场景，如果通过“文本驱动”方式生成语音时，所有段落汇总的文字数量需大于200字。 每个单场景，如果通过“音频驱动”方式生成语音时，每个音频时长需大于1分钟。 文本驱动配置 通过“文本驱动”方式生成语音时，对应的文本要求，如下所示：

查看更多 →